基于生成式 AI 的多智能体强化学习：面向分布式智能体的生成-RL 智能体视角

多智能体强化学习面临着传统方法未能克服的根本挑战：联合动作空间呈指数级增长、非平稳环境导致同步学习形成移动目标，以及部分可观测性限制了协调。当前方法仍停留在反应式水平，采用刺激-响应机制，在面对新情境时难以奏效。我们主张通过基于生成式 AI 的强化学习实现从反应式向主动式多智能体智能的范式转变。本立场主张，将智能体重新概念化为而非孤立的策略优化器，为能够综合复杂多智能体动态并基于对未来互动的预测性理解做出预判性决策的高级生成模型。无需响应即时观测，生成-RL 智能体能够建模环境演化、预测其他智能体行为、生成协调动作序列，并在考虑长期动态的前提下进行战略推理。该方法利用生成式 AI 的模式识别与生成能力，实现主动决策、通过增强沟通实现无缝协调，并动态适应不断演变的情境。我们设想，这一范式转变将解锁分布式智能的前所未有的可能，超越单个优化，走向真正的集体行为，代表着真正的协作智能。其影响延伸至自主系统、机器人和人机协作领域，为传统反应框架下无法解决的协调挑战提供解决方案。